An R Companion to Applied Regression

出版者:SAGE Publications, Inc

作者:John Fox

页数:472

出版时间:2010-11-29

价格:USD 102.00

装帧:Paperback

isbn号码:9781412975148

具体描述

This is a broad introduction to the R statistical computing environment in the context of applied regression analysis. It is a thoroughly updated edition of John Fox's bestselling text An R and S-Plus Companion to Applied Regression (SAGE, 2002). The Second Edition is intended as a companion to any course on modern applied regression analysis. The authors provide a step-by-step guide to using the high-quality free statistical software R, an emphasis on integrating statistical computing in R with the practice of data analysis, coverage of generalized linear models, enhanced coverage of R graphics and programming, and substantial web-based support materials. An accompanying website for the book can be found at http:/socserv.mcmaster.ca/jfox/Books/Companion/index.html provides: R scripts for examples by chapter Data files used in the book The car package (Companion to Applied Regression), an accompanying software for regression diagnostics and other regression-related tasks Other resources to help students get the most out of the text

作者简介

John Fox is professor of sociology at McMaster University in Hamilton, Ontario, Canada. Fox earned a PhD in sociology from the University of Michigan in 1972, and prior to arriving at McMaster, he taught at the University of Alberta and at York University in Toronto, where he was cross-appointed in the sociology and mathematics and statistics departments and directed the university's statistical consulting service. He has delivered numerous lectures and workshops on statistical topics in North and South America, Europe, and Asia, at such places as the summer program of the Inter-University Consortium for Political and Social Research, the Oxford University Spring School in Quantitative Methods for Social Research, and the annual meetings of the American Sociological Association. Much of his recent work has been on formulating methods for visualizing complex statistical models and on developing software in the R statistical computing environment. He is the author and co-author of many articles, in such journals as Sociological Methodology, Sociological Methods and Research, The Journal of the American Statistical Association, The Journal of Statistical Software, The Journal of Computational and Graphical Statistics, Statistical Science, Social Psychology Quarterly, The Canadian Review of Sociology and Anthropology, and The Canadian Journal of Sociology. He has written a number of other books, including Regression Diagnostics (SAGE, 1991), Nonparametric Simple Regression (SAGE, 2000), Multiple and General-ized Nonparametric Regression (SAGE, 2000), A Mathematical Primer for Social Statistics (SAGE, 2008), and, with Sanford Weisberg, An R Companion to Applied Regression, Second Edition (SAGE, 2010). Fox also edits the SAGE Quantitative Applications in the Social Sciences (QASS) monograph series.

目录信息

Preface
1. Getting Started With R
2. Reading and Manipulating Data
3. Exploring and Transforming Data
4. Fitting Linear Models
5. Fitting Generalized Linear Models
6. Diagnosing Problems in Linear and Generalized Linear Models
7. Drawing Graphs
8. Writing Programs
References
Author Index
Subject Index
Command Index
Data Set Index
Package Index
About the Authors
· · · · · · (收起)

用户评价

对于我们这些长期在社会科学领域工作的人来说，数据本身的复杂性和“脏乱差”是常态。这本书的实用性体现在它对现实世界复杂情况的充分考虑。它没有停留在理想化的线性关系上，而是大量探讨了非线性建模、缺失值处理、离群点识别等实际操作中不可避免的问题。我记得有一次我的项目数据出现了严重的方向性偏差，我尝试了多种方法都收效甚微，最终翻阅这本书的特定章节后，我找到了一个全新的视角来重新构建我的解释变量，结果立竿见影。这本书的魅力在于，它将那些理论书中往往一笔带过的“边缘情况”处理得淋漓尽致。它更像是一位经验丰富的老前辈，在手把手地教你如何应对那些让你焦头烂额的真实数据挑战。这种基于实践的知识传授，远比纯粹的数学推导来得更有价值，让人感觉读完后，立刻就能带着一套实战经验投入工作。

说实话，这本书在讲解高级统计模型的深度上，真的达到了一个令人惊叹的水平。我以前总觉得一些复杂的混合效应模型或者时间序列分析很难被完全掌握，总是在理解模型假设和结果解释上打结。然而，这本书处理这些“硬骨头”问题时，展现出一种令人信服的条理性和清晰度。它不是那种泛泛而谈的介绍，而是步步为营地带领读者深入到模型的内部机制。最让我印象深刻的是它对模型诊断部分的阐述，作者对于残差分析的重视程度，简直可以说是偏执，但这恰恰是优秀统计分析的基石。书里细致地探讨了各种非正态性、异方差性可能带来的后果，并提供了切实可行的补救措施，而不是简单地抛出一个“请使用稳健标准误”的结论。这种对细节的把控，使得读者在建立自己的研究模型时，能够更加自信和负责任。我感觉自己对回归分析的理解，已经从“会跑回归”升级到了“懂得如何构建一个健壮的、可信赖的模型”。

这本书简直是统计分析领域的“瑞士军刀”，无论你是刚接触回归分析的新手，还是经验丰富的研究人员，都能从中找到宝藏。它的内容组织非常巧妙，不像有些教科书那样枯燥乏味，而是以一种非常直观和实用的方式展开。我尤其欣赏它在理论讲解和实际操作之间的平衡。作者似乎深谙读者在面对复杂模型时的困惑，因此在解释核心概念时，总是能用最接地气的方式将其剖析清楚。举例来说，对于多重共线性的处理，书里不仅给出了统计学的定义，还通过几个生动的案例展示了在现实数据中如何识别和解决这个问题，这一点对于我这种需要将统计知识应用于实际项目的人来说，简直是太重要了。它不仅仅是告诉你“怎么做”，更深入地告诉你“为什么这么做”以及“在什么情况下应该选择这种方法”。这种深入浅出的讲解风格，让我感觉自己不仅仅是在学习一种工具，更是在建立一套严谨的分析思维框架。而且，书中的示例代码清晰易懂，即便是那些对编程不太熟悉的读者，也能很快上手，这极大地降低了学习门槛。

这本书的结构设计体现了一种高明的教学哲学：循序渐进，但绝不拖泥带水。它的每一章似乎都建立在前一章坚实的基础上，形成了一个逻辑严密的知识链条。我发现自己阅读时很少需要跳页或回头查找基础概念，因为作者在引入新知识点时，总是会巧妙地回顾和链接到先前学过的内容。这种流畅性极大地提升了学习效率和阅读的愉悦感。特别是对于那些涉及到模型比较和选择的部分，比如AIC、BIC的运用，以及嵌套模型的检验，讲解得极其清晰。作者没有仅仅罗列公式，而是深入阐释了这些指标背后的信息论基础和权衡取舍的哲学。这种对“为什么”的深度挖掘，使得读者能够真正理解不同模型选择背后的代价和收益，从而做出更明智的研究决策，而不是盲目地追求“最好的”模型。它真正培养的是批判性思维，而非机械式的操作能力。

如果要用一个词来形容这本书给我的整体感受，那就是“赋能”。它没有把我们当成需要被喂养知识的容器，而是给了我们一套强大的工具箱，并教会我们如何根据任务需求，精准地选择和组合使用工具。我最欣赏它在讲述数据可视化和结果解释方面的深入探讨。很多统计书籍在结果呈现上往往草草了事，但这本书却花了大篇幅教导读者如何通过高质量的图表来有效地沟通复杂的回归结果。它不仅仅是关于数字的计算，更是关于如何将这些数字转化为有说服力的故事。例如，关于交互项的解释，书中提供了多种图形化展示方法，清晰地揭示了变量之间相互作用的本质。这种对沟通和透明度的强调，对于任何依赖研究成果说服他人的专业人士来说，都是至关重要的补充。这本书不仅仅是一本统计参考书，更像是一部关于如何成为一个更有效率、更严谨的定量研究者的指南。

用R来优化regression

用R来优化regression

20150516.为了学定量，我也是蛮拼的……

用R来优化regression

用R来优化regression